基于聚类融合控制的火灾报警系统的研究

论文摘要

火灾威胁着人们的生命和财产安全,精确报警控制系统的研制变得至关重要。目前,还有很多的报警系统功能不够完善,火灾发生时容易出现漏报、误报的情况,主要原因在于火灾报警系统只由单一传感器提供信息源,造成火灾报警系统接收不到完整的火灾预警信号。对于火灾报警系统存在的众多弊端,本文将多传感器信息的聚类融合控制方法运用到火灾报警系统中,解决单一传感器信息源不足的问题。信息融合是集信息处理、概率统计、人工智能、模式识别、认知科学、计算机科学及信息论等技术于一体的一门新发展起来的交叉学科。本文以多传感器信息融合、神经网络知识为基础。神经网络在学习上的优点是有很强的自适应能力和记忆能力以及自组织能力,它能够进行过全局分析以及全面的综合判断,从而形成一种崭新的融合控制策略。在方案中,对数据进行了两次的聚类融合算法上控制,即BP融合和ART-1融合。对BP和ART-1神经网络分别进行研究,并在MATLAB中对它们进行了样本训练和仿真。由于BP神经网络局部误差的原因,其输出值不够精确不能满足报警系统高精度的要求,利用ART-1神经网络对BP神经网络进行完善,使输出的结果更加准确,从而满足报警系统的需要。接着对BP神经网络和ART-1神经网络算法进行了比较,并编写了MATLAB程序。同时,对火灾报警系统运行的硬件环境进行了设计,以及对系统运行时所需的主要芯片进行了简单的分析。通过对本课题研究和仿真实验结果的对比,证明ART-1神经网络的聚类融合控制方法优于BP控制方法,能够满足系统对精确度的要求,证实了本课题理论研究部分的正确性及整体系统设计的可行性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 引言
• 1.1 多传感器信息融合
• 1.2 聚类融合控制的设计
• 1.3 信息融合技术的国内外研究现状
• 1.4 本论文的主要研究内容
• 第二章 火灾报警控制系统
• 2.1 概述
• 2.2 火灾报警中信息分类和综合利用
• 2.3 多传感器信息融合的火灾报警系统
• 2.4 基于火灾报警系统的信息融合方法
• 2.5 火灾报警系统组成及信息参数
• 2.6 本章小结
• 第三章 基于信息融合的聚类控制算法的研究
• 3.1 BP神经网络
• 3.2 BP算法的实现及仿真
• 3.3 ART-1神经网络
• 3.4 本章小结
• 第四章 基于信息融合的聚类控制在火灾报警系统控制中的应用
• 4.1 智能火灾报警器聚类融合控制系统结构
• 4.2 聚类融合控制系统的设计
• 4.3 火灾报警系统仿真实验
• 4.4 本章小结
• 第五章 基于ARM的火灾报警系统的设计
• 5.1 硬件部分
• 5.2 软件部分
• 5.3 本章小结
• 结论
• 致谢
• 参考文献
• 作者简介
• 硕士期间发表论文